Philip Lacor, CRO von Personio – einer HR- und Gehaltsabrechnungsplattform mit über 3 Milliarden US-Dollar Umsatz, 1. 500 Mitarbeitenden, 15. 000 Kunden und einem Vertriebsteam von 400 Personen – teilte auf dem SaaStr AI London eine aufschlussreiche Reise der KI-Transformation, die als Vorlage für Umsatzverantwortliche dient, die KI effektiv in ihre Go-to-Market-Strategien integrieren möchten. Während viele KI-native Unternehmen wie Replit und Harvey bereits erfolgreich sind, stand Personio vor einer besonderen Herausforderung: Ein großes, traditionelles B2B-Unternehmen zu führen, das durch Altprozesse belastet ist. Im Mai 2024 initiierte ihr CEO die „AI Surge Week“, die innerhalb von sechs Monaten eine bemerkenswerte Transformation auslöste. Dies führte dazu, dass 90 % ihres Teams wöchentlich große Sprachmodelle (LLMs) nutzten, über 400 KI-Assistenten geschaffen wurden, die Forschungszeit für Vertriebsmitarbeitende von zwei Stunden auf 15 Minuten drastisch verkürzt wurde und ein KI-gesteuerter SDR in nur sieben Tagen 140 Termine vereinbarte. **Wichtigste Erkenntnisse aus der KI-Transformation von Personio:** 1. **Kombination aus Top-Down- und Bottom-Up-Initiativen:** Anfangs führte die Begeisterung und die breite Nutzung von KI nicht automatisch zu einer Transformation. Echter Wandel erforderte Führung, die harte Entscheidungen bezüglich Ressourcen, Budget und Prioritäten traf. Personio gründete eine Arbeitsgruppe „AI Powered Go-To-Market“, um grassroots-Experimentation mit einer strategischen Top-Down-Unterstützung zu verbinden. Bottom-up fördert Innovation; Top-down ermöglicht Skalierung. 2. **Interdisziplinäre Zusammenarbeit ist essenziell:** Erfolgreiche KI im GTM verlangt Teamarbeit zwischen Daten- und Systemteams, Revenue Operations, GTM-Engineers und Business Usern wie Sales und Marketing. Ohne diese Integration fehlen den Tools entweder die geschäftliche Relevanz oder es fehlt an angemessener Unterstützung für die Nutzer. Die 15-köpfige Arbeitsgruppe von Personio schaffte eine breite kulturelle Akzeptanz und praktische Lösungen, die alle Bereiche miteinander verbanden. 3. **Jobs-to-Be-Done nutzen, um streng zu priorisieren:** Die Begeisterung führte zu vielen halbfertigen KI-Projekten, bevor eine effektive Priorisierung erfolgte. Durch das Begleiten von Account Managern und das Mapping der täglichen Aufgaben aller Rollen entlang der Customer Journey konnten sie erkennen, wo am meisten Zeit verschwendet wurde und ihre KI-Fokussierung auf die höchstwirksamen Schmerzpunkte legen – so vermeidbar die Falle, jeder glänzenden KI-Anwendung hinterherzujagen. 4. **Eine KI-Kultur durch Leadership, Teilen und Feiern fördern:** Die Transformation vervielfacht sich, wenn Führungskräfte KI-Adoption vorleben, Teams ihre KI-Innovationen offen teilen und Erfolge gefeiert werden. Personio förderte Neugier durch spezielle Plätze im President’s Club für herausragende KI-Beiträge.

Dies stärkte das Engagement und sorgte für anhaltenden Schwung. 5. **Große KI hängt von Daten, Workflows und Kontext ab – nicht nur von Tools:** Anstatt jedes neue KI-Tool zu kaufen, konzentrierte sich Personio darauf, LLMs in ihre bestehende Tech-Stack (Salesforce/HubSpot, Gong, Qualified, Snowflake, Amazon Bedrock) zu integrieren und ihre Daten tiefgehend zu reinigen und zu verknüpfen (Duplikate entfernen, verschiedene Systeme verbinden). Sie erweiterten Modelle durch unternehmensspezifische Informationen wie ICP-Definitionen, Pitch-Decks und Schulungsmaterialien – um KI maßgeschneidert und wirklich nützlich zu machen. **Vier Anwendungsfälle, die Wirkung zeigten:** - **Win-/Loss-Intelligence:** Nutzung von Gesprächs- und CRM-Daten zur Generierung dynamischer, umsetzbarer Battle Cards mit 10–15 % neuen Erkenntnissen, die Coaching, Marketing und Produktentscheidungen informierten. - **Expansion SDR Assistant:** Verkürzung der Recherchezeit für SDRs von zwei Stunden auf 15 Minuten durch das Zusammenziehen von Daten aus 10–20 Systemen in Salesforce mit intelligenten Cross-Selling-Empfehlungen, was die Pipeline pro Repräsentant verdoppelte. - **Intent-Scoring für Outbound:** Entwicklung eines dynamischen Intent-Modells anhand verschiedener Signale (Webbesuche, Reviews, Bewegungen früherer Nutzer), um Kaufsignale zu erkennen und Accounts mit visuellen Score in Salesforce zu priorisieren. - **AI-Chat/SDR („Nia“):** Einsatz eines 24/7 KI-Chats auf der Website, der sofort Demo-Termine booking und Einblicke in Kundenbedürfnisse liefert. Innerhalb einer Woche wurden 140 Meetings gebucht, was Echtzeit-Kundenansichten, Bedenken und Verhalten offenbarte. **Fünf essentielle Fehler, die vermieden werden sollten:** 1. **Endloses Oberflächen-Testen von Tools vermeiden:** Tiefgehende, fokussierte Nutzung weniger Tools ist besser als flüchtige Tests vieler. 2. **Nicht nur Lernen, sondern Machen:** Praktische Umsetzung, Iteration und Experimente bringen Fortschritt mehr als reine Theorie. 3. **Eigene Personen für das Monitoring der KI-Agents einsetzen:** Kontinuierliches Training und Anpassen sind entscheidend; ansonsten kann KI Fehler machen oder Chancen verpassen. 4. **Nicht ohne Business-Kontext bauen:** LLMs und KI müssen mit einem klaren Verständnis der Vertriebsprozesse und Customer Journey entwickelt werden. 5. **Keine Plug-and-Play-Lösungen erwarten:** Wesentliche Anstrengungen bei Datenreinigung, Systemintegration und Einbindung unternehmensspezifischer Kenntnisse sind notwendig, um echten KI-Wert freizusetzen. **Ein Blick nach vorn: Kann KI Wachstum ermöglichen, ohne die Personalzahl zu verdoppeln?** Personio investiert mehrere Hunderttausend Dollar in KI-Tools, wobei die KI für jeden SDR etwa 100. 000 Dollar kostet. Während manche Teams schrumpfen könnten, wachsen andere – etwa Channel- und Partner-Teams. Es geht nicht um Entlassungen, sondern um smarteres Skalieren und Umverteilung der Ressourcen. Die zentrale Frage für jeden CRO lautet: „Können wir den Umsatz verdoppeln, ohne die Mitarbeiterzahl zu verdoppeln?“ **Zusammenfassung:** Nach nur sechs Monaten seit der „AI Surge Week“ erreichte Personio eine transformative KI-getriebene GTM-Revolution, die auf Leadership-Unterstützung, einem interdisziplinären Team, jobfokussierter Priorisierung, einer unterstützenden KI-Kultur und tiefer Integration in bestehende Systeme und Daten basiert. Sie haben häufige Fehler vermieden, indem sie auf Umsetzung statt nur auf Lernen setzten, eng überwachten und KI in die Geschäftsrealitäten eingebunden haben. Abschließend rät Philip: jetzt voll auf KI setzen – alle Rollen werden sich verändern. Während KI-native Unternehmen schnell voranschreiten, können echte SaaS-Unternehmen mit der richtigen Strategie sogar die Erwartungen übertreffen. Philip Laheurtes offen und praxisnahes Teilen auf SaaStr AI London (eingeflogen aus NYC) zeigt eine erprobte Roadmap für KI-Adoption in etablierten B2B-Unternehmen – eine Bestätigung, dass mit der richtigen Kombination aus Strategie, Kultur und Umsetzung KI wirklich das Umsatzpotenzial transformieren kann.